文本处理工具-----------AWK

文本处理工具--------AWK

AWK介绍

awk：Aho, Weinberger, Kernighan，报告生成器，格式化文本输出

有多种版本：New awk（nawk），GNU awk（ gawk）

gawk：模式扫描和处理语言，打印报表

基本用法：

awk [options] ‘program’ var=value file…

awk [options] -f programfile var=value file…

awk [options] 'BEGIN{ action;… } pattern{ action;… } END{ action;… }' file ...

awk 程序通常由：BEGIN语句块、能够使用模式匹配的通用语句块、END语句块，共3部分组成

program通常是被单引号或双引号中 【建议用单引号】

选项：

-F 指明输入时用到的字段分隔符

-v var=value: 自定义变量

AWK语言： 【行的换行符合自行指定；自带循环】

基本格式：awk [options] 'program' file…

program:pattern{action statements;..}

pattern和action：

• pattern部分决定动作语句何时触发及触发事件

BEGIN,END

• action statements对数据进行处理，放在{}内指明

print, printf

分割符、域和记录

• awk执行时， 由分隔符分隔的字段（域）标记$1,$2..$n称为域标识。 $0为所有域，注意：和shell中变量$符含义不同 【默认空白符为分隔符】

• 文件的每一行称为记录

• 省略action，则默认执行 print $0 的操作

注意：行：称为记录record

列：称为字段或域field或属性

AWK工作原理：

• 第一步：执行BEGIN{action;… }语句块中的语句
• 第二步：从文件或标准输入(stdin)读取一行，然后执行pattern{ action;… }语句块，它逐行扫描文件，从第一行到最后一行重复这个过程，直到文件全部被读取完毕。
• 第三步：当读至输入流末尾时，执行END{action;…}语句块
• BEGIN语句块在awk开始从输入流中读取行之前被执行，这是一个可选的语句块，比如变量初始化、打印输出表格的表头等语句通常可以写在BEGIN语句块中
• END语句块在awk从输入流中读取完所有的行之后即被执行，比如打印所有行的分析结果这类信息汇总都是在END语句块中完成，它也是一个可选语句块
• pattern语句块中的通用命令是最重要的部分，也是可选的。如果没有提供pattern语句块，则默认执行{ print }，即打印每一个读取到的行，awk读取的每一行都会执行该语句块

AWK （支持标准输入，和标准输出，管道;支持数据运算）

print格式： print item1, item2, ...

要点：

(1) 逗号分隔符

(2) 输出的各item可以字符串，也可以是数值；当前记录的字段、变量或awk的表达式

(3) 如省略item，相当于print $0

示例：

awk '{print "hello,awk"}' //支持键盘输入；打印hello，awk 【读一行，打印hello，awk】

awk 'BEGIN{print "hello,awk"}' //直接打印字符串“hello awk”

awk 'BEGIN{print “2^10”' //实现数值运算

awk –F: '{print}' /etc/passwd

awk –F: ‘{print “wang”}’ /etc/passwd

awk –F: ‘{print $1}’ /etc/passwd

awk –F: ‘{print $0}’ /etc/passwd

awk –F: ‘{print $1”\t”$3}’ /etc/passwd 以：为分隔符，去第一和第三个字段

df | awk '{print $1,$5}' //取第一列和第5列，实现取分区利用率

tail –3 /etc/fstab |awk ‘{print $2,$4} //取出挂载点和挂载选项

awk变量：

变量：内置和自定义变量

FS：输入 字段分隔符，默认为空白字符 【对读入内容的分割】

awk -v FS=':' '{print $1,FS,$3}’ /etc/passwd

awk –F: '{print $1,$3,$7}’ /etc/passwd

OFS：输出字段分隔符，默认为空白字符

awk -v FS=‘:’ -v OFS=‘:’ '{print $1,$3,$7}’ /etc/passwd

RS：输入记录分隔符，指定输入时的换行符

awk -v RS=' ' ‘{print }’ /etc/passwd

ORS：输出记录分隔符，输出时用指定符号代替换行符

awk -v RS=' ' -v ORS='###'‘{print }’ /etc/passwd

NF：字段数量

awk -F： ‘{print NF}’ /etc/fstab,引用内置变量不用$

awk -F: '{print $(NF-1)}' /etc/passwd //打印倒数第二个字段的值

NR：记录号

awk '{print NR}' /etc/fstab ; awk END'{print NR}' /etc/fstab

FNR：各文件分别计数,记录号

awk '{print FNR}' /etc/fstab /etc/inittab

FILENAME：当前文件名

awk '{print FILENAME}’ /etc/fstab

ARGC：命令行参数的个数

awk '{print ARGC}’ /etc/fstab /etc/inittab

awk ‘BEGIN {print ARGC}’ /etc/fstab /etc/inittab

ARGV：数组，保存的是命令行所给定的各参数

awk ‘BEGIN {print ARGV[0]}’ /etc/fstab /etc/inittab

awk ‘BEGIN {print ARGV[1]}’ /etc/fstab /etc/inittab

awk自定义变量:

(1) -v var=value

(2) 在program中直接定义

示例：

awk -v test='hello gawk' '{print test}' /etc/fstab

awk -v test='hello gawk' 'BEGIN{print test}'

awk 'BEGIN{test="hello,gawk";print test}'

awk –F:‘{sex=“male”;print $1,sex,age;age=18}’ /etc/passwd

cat awkscript

{print script,$1,$2}

awk -F: -f awkscript script=“awk” /etc/passwd

printf命令：

格式化输出：printf “FORMAT”, item1, item2, ...

(1) 必须指定FORMAT

(2) 不会自动换行，需要显式给出换行控制符，\n

(3) FORMAT中需要分别为后面每个item指定格式符

格式符：与item一一对应

%c: 显示字符的ASCII码

%d, %i: 显示十进制整数

%e, %E:显示科学计数法数值

%f：显示为浮点数

%g, %G：以科学计数法或浮点形式显示数值

%s：显示字符串

%u：无符号整数

%%: 显示%自身

修饰符：

#[.#]：第一个数字控制显示的宽度；第二个#表示小数点后精度，%3.1f

-: 左对齐（默认右对齐） %-15s

+：显示数值的正负符号 %+d

printf示例

awk -F: ‘{printf "%s",$1}’ /etc/passwd

操作符：

算术操作符：

x+y, x-y, x*y, x/y, x^y, x%y

-x: 转换为负数

+x: 转换为数值

字符串操作符：没有符号的操作符，字符串连接

赋值操作符：

=, +=, -=, *=, /=, %=, ^=

++, --

下面两语句有何不同

• awk ‘BEGIN{i=0;print ++i,i}’ 先加后输出，结果为 1 1

• awk ‘BEGIN{i=0;print i++,i}’ 先输出后加 ，结果为 0 1

比较操作符：

==, !=, >, >=, <, <=

模式匹配符：

~：左边是否和右边匹配包含 !~：是否不匹配

示例：

awk –F: '$0 ~ /root/{print $1}‘ /etc/passwd 包含root

awk '$0~“^root"' /etc/passwd

awk '$0 !~ /root/‘ /etc/passwd

awk –F: ‘$3==0’ /etc/passwd 输出第三列等于0的行

逻辑操作符：与&&，或||，非!

示例：

• awk –F: '$3>=0 && $3<=1000 {print $1}' /etc/passwd

• awk -F: '$3==0 || $3>=1000 {print $1}' /etc/passwd

• awk -F: ‘!($3==0) {print $1}' /etc/passwd

• awk -F: ‘!($3>=500) {print $3}’ /etc/passwd

函数调用： function_name(argu1, argu2, ...)

条件表达式（三目表达式）：

selector?if-true-expression:if-false-expression（判断？为真cmd1：为假cmd2）

• 示例：

awk -F: '{$3>=1000?usertype="Common User":usertype="Sysadmin or SysUser";printf

"%15s:%-s\n",$1,usertype}' /etc/passwd

awk PATTERN

PATTERN:根据pattern条件，过滤匹配的行，再做处理

(1)如果未指定：空模式，匹配每一行

(2) /regular expression/：仅处理能够模式匹配到的行，需要用/ /括起来

awk '/^UUID/{print $1}' /etc/fstab

awk '!/^UUID/{print $1}' /etc/fstab

(3) relational expression: 关系表达式，结果为“真”才会被处理

真：结果为非0值，非空字符串

假：结果为空字符串或0值

（4) line ranges：行范围

startline,endline：/pat1/,/pat2/ 不支持直接给出数字格式

awk -F: ‘/^root\>/,/^nobody\>/{print $1}' /etc/passwd

awk -F: ‘(NR>=10&&NR<=20){print NR,$1}' /etc/passwd

(5) BEGIN/END模式

BEGIN{}: 仅在开始处理文件中的文本之前执行一次

END{}：仅在文本处理完成之后执行一次

示例：

• awk -F: 'i=1;j=1{print i,j}' /etc/passwd

• awk ‘!0’ /etc/passwd ; awk ‘!1’ /etc/passwd

• awk –F: '$3>=1000{print $1,$3}' /etc/passwd

• awk -F: '$3<1000{print $1,$3}' /etc/passwd

• awk -F: '$NF=="/bin/bash"{print $1,$NF}' /etc/passwd

• awk -F: '$NF ~ /bash$/{print $1,$NF}' /etc/passwd

awk action:

常用的action分类

• (1) Expressions:算术，比较表达式等

• (2) Control statements：if, while等

• (3) Compound statements：组合语句

• (4) input statements

• (5) output statements：print等

awk 控制语句：

{ statements;… } 组合语句

if(condition) {statements;…}

if(condition) {statements;…} else {statements;…}

while(conditon) {statments;…}

do {statements;…} while(condition)

for(expr1;expr2;expr3) {statements;…}

break

continue

delete array[index]

delete array

exit

awk 控制语句if-else：

语法：if(condition){statement;…}[else statement]

if(condition1){statement1}else if(condition2){statement2}

else{statement3}

使用场景：对awk取得的整行或某个字段做条件判断

示例：

awk -F: '{if($3>=1000) {printf "Common user: %s\n",$1} else {printf "root or Sysuser: %s\n",$1}}' /etc/passwd

df -h|awk -F% '/^\/dev/{print $1}'|awk '$NF>=80{print $1,$5}‘ //实现判断分区利用率

awk控制语句while循环：

语法：while(condition){statement;…}

条件“真”，进入循环；条件“假”，退出循环

使用场景：

对一行内的多个字段逐一类似处理时使用

对数组中的各元素逐一处理时使用

示例：

awk '/^[[:space:]]*linux16/{i=1;while(i<=NF){print $i,length($i); i++}}' /etc/grub2.cfg //打印Linux16所在行的每个单词和其长度

awk控制语句do-while循环：

语法：do {statement;…}while(condition)

意义：无论真假，至少执行一次循环体

示例打印1到100加和【四种方法】

awk 'BEGIN{ total=0;i=0;do{ total+=i;i++;}while(i<=100);print total}’ 打印1到100加和

awk 'BEGIN{i=1;sum=0;while(i<=100){sum+=i;i++};print sum}'

awk 'BEGIN{for(i=1;i<=100;i++)sum+=i;print sum}'

for((i=1,sum=0;i<=100;i++));do let sum+=i;done ;echo $sum

seq -s + 1 100 |bc

性能比较：

time (awk 'BEGIN{ total=0;for(i=0;i<=10000;i++){total+=i;};print total;}')

time(total=0;for i in {1..10000};do total=$(($total+i));done;echo $total)

time(for ((i=0;i<=10000;i++));do let total+=i;done;echo $total)

time(seq –s ”+” 10000|bc)

awk控制语句for循环：

语法：for(expr1;expr2;expr3) {statement;…}

常见用法：

for(variable assignment;condition;iteration process)

{for-body}

特殊用法：能够遍历数组中的元素

语法：for(var in array) {for-body}

示例：

awk '/^[[:space:]]*linux16/{for(i=1;i<=NF;i++) {print $i,length($i)}}' /etc/grub2.cfg

awk控制语句：

switch语句

语法：switch(expression) {case VALUE1 or /REGEXP/: statement1; case

VALUE2 or /REGEXP2/: statement2; ...; default: statementn}

break和continue

示例：

• awk ‘BEGIN{sum=0;for(i=1;i<=100;i++)

{if(i%2==0)continue;sum+=i}print sum}‘

• awk ‘BEGIN{sum=0;for(i=1;i<=100;i++)

{if(i==66)break;sum+=i}print sum}‘

break [n] continue [n]

next:

提前结束对本行处理而直接进入下一行处理（awk自身循环）

awk -F: '{if($3%2!=0) next; print $1,$3}' /etc/passwd

awk 数组：

关联数组：array[index-expression]

index-expression:

• (1) 可使用任意字符串；字符串要使用双引号括起来

• (2) 如果某数组元素事先不存在，在引用时，awk会自动创建此元素，并将其值

初始化为“空串”

• 若要判断数组中是否存在某元素，要使用“index in array”格式进行遍历

示例：

weekdays[“mon”]="Monday“ //数组赋值

awk 'BEGIN{weekdays["mon"]="Monday";

weekdays["tue"]="Tuesday";print weekdays["mon"]}‘

awk ‘!arr[$0]++’ dupfile //去掉文件中重复的行

awk '{!arr[$0]++;print $0, arr[$0]}' dupfile 跟踪变化过程

awk数组，遍历数组：

for(var in array) {for-body}

注意：var会遍历array的每个索引

ab -c 100 -n 6521 http://172.20.0.7/ //向主机172.20.0.7发送大量的并发请求

示例：

• awk 'BEGIN{weekdays["mon"]="Monday";weekdays["tue"]="Tuesday";for(i in weekdays) {print weekdays[i]}}‘

• netstat -tan | awk '/^tcp/{state[$NF]++}END {for(i in state) { print i,state[i]}}'

• awk '/^[0-9]/{ip[$1]++}END{for(i in ip) {print i,ip[i]}}' /var/log/httpd/access_log

示例：拒绝ip访问

iptables -A INPUT -s ip地址 -j REJECT //拒绝某ip地址访问

awk '{for(i=1;i<=NF;i++){word[$i]++}}END{for(j in word){print j,word[j]}}' /etc/rc.sysinit //统计文件中单词个数

awk函数：

数值处理：

init()：取整

rand()：返回0和1之间一个随机数

awk 'BEGIN{srand(); for (i=1;i<=10;i++)print int(rand()*100) }' //生成1到100的随机整数

字符串处理：

• length([s])：返回指定字符串的长度

• sub(r,s,[t])：对t字符串进行搜索r表示的模式匹配的内容，并将第一个匹配的内容替换为s

echo "2008:08:08 08:08:08" | awk 'sub(/:/,“-",$1)' //将第一个：用-代替（全代替用gsub)

• gsub(r,s,[t])：对t字符串进行搜索r表示的模式匹配的内容，并全部替换为s所表示的内容

echo "2008:08:08 08:08:08" | awk ‘gsub(/:/,“-",$0)'

• split(s,array,[r])：以r为分隔符，切割字符串s，并将切割后的结果保存至array所表示的数组中，第一个索引值为1,第二个索引值为2,…

netstat -tan | awk '/^tcp\>/{split($5,ip,":");count[ip[1]]++}END{for (i in count) {print i,count[i]}}'

自定义函数

格式：

function name ( parameter, parameter, ... ) {

statements

return expression

}

示例：

cat fun.awk

function max(v1,v2) {

v1>v2?var=v1:var=v2

return var

}

BEGIN{a=3;b=2;print max(a,b)}

awk –f fun.awk

awk中调用shell命令：

system命令

空格是awk中的字符串连接符，如果system中需要使用awk中的变量可以使用空格分隔，或者说除了awk的变量外其他一律用""引用起来。

awk BEGIN'{system("hostname") }'

awk 'BEGIN{score=100; system("echo your score is " score) }'

awk脚本：

将awk程序写成脚本，直接调用或执行

示例：

cat f1.awk

{if($3>=1000)print $1,$3}

awk -F: -f f1.awk /etc/passwd

cat f2.awk

#!/bin/awk –f //必须这么写

#this is a awk script

{if($3>=1000)print $1,$3}

chmod +x f2.awk

f2.awk –F: /etc/passwd

向awk脚本传递参数：

格式：

awkfile var=value var2=value2... Inputfile

注意：在BEGIN过程中不可用。直到首行输入完成以后，变量才可用。可以通过-v 参数，让awk在执行BEGIN之前得到变量的值。命令行中每一个指定的变量都需要一个-v参数

示例：

cat test.awk

#!/bin/awk –f

{if($3 >=min && $3<=max)print $1,$3}

chmod +x test.awk

test.awk -F: min=100 max=200 /etc/passwd